Link to this sectionCarparts Segmentation Dataset#
Carparts Segmentation Datasetは、コンピュータービジョンアプリケーション、特にセグメンテーションタスク向けに設計された、厳選された画像および動画のコレクションです。このデータセットは、さまざまな視点から撮影された多様なビジュアルを提供し、セグメンテーションモデルのトレーニングとテストに役立つアノテーション付きサンプルを提供します。
Whether you're working on automotive research, developing AI solutions for vehicle maintenance, or exploring computer vision applications, the Carparts Segmentation Dataset serves as a valuable resource for enhancing the accuracy and efficiency of your projects using models like Ultralytics YOLO.
Watch: How to Segment Carparts with Ultralytics Platform | Train, Deploy & Inference | Ultralytics YOLO26 🚀
Link to this sectionデータセットの構造#
Carparts Segmentation Dataset内のデータ分布は以下の通りです：
- Training set: Includes 3516 images, each accompanied by its corresponding annotations. This set is used for training the deep learning model.
- テストセット: 401枚の画像とそれぞれのアノテーションが含まれます。このセットは、テストデータを使用してトレーニング後のモデルの性能を評価するために使用されます。
- Validation set: Consists of 276 images, each having corresponding annotations. This set is used during training to tune hyperparameters and prevent overfitting using validation data.
Link to this sectionアプリケーション#
Carparts Segmentationは、以下を含む様々な領域で応用されています：
- 自動車品質管理: 製造中の自動車部品の欠陥や不一致の特定（AI in Manufacturing）。
- 自動車修理: 修理または交換が必要な部品を特定するメカニックの支援。
- Eコマースカタログ: Eコマースプラットフォームのオンラインストアにおいて、自動車部品を自動的にタグ付けおよび分類。
- 交通監視: 交通監視映像における車両コンポーネントの分析。
- 自動運転車: 周囲の車両をより良く理解するための自動運転車の認識システムの強化。
- 保険処理: 保険請求中に影響を受けた自動車部品を特定し、損傷評価を自動化。
- リサイクル: 効率的なリサイクルプロセスのための車両コンポーネントの分類。
- スマートシティ・イニシアチブ: スマートシティ内の都市計画および交通管理システムへのデータ提供。
自動車コンポーネントを正確に識別および分類することで、Carparts Segmentationはプロセスを合理化し、これらの業界全体で効率の向上と自動化に貢献します。
Link to this sectionデータセット YAML#
YAMLファイルは、パス、クラス名、その他の重要な詳細を含むデータセット構成を定義します。Carparts Segmentationデータセットについては、carparts-seg.yamlファイルが https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml で利用可能です。YAML形式の詳細については、yaml.orgを参照してください。
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Carparts-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/carparts-seg/
# Example usage: yolo train data=carparts-seg.yaml
# parent
# ├── ultralytics
# └── datasets
# └── carparts-seg ← downloads here (133 MB)
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: carparts-seg # dataset root dir
train: images/train # train images (relative to 'path') 3516 images
val: images/val # val images (relative to 'path') 276 images
test: images/test # test images (relative to 'path') 401 images
# Classes
names:
0: back_bumper
1: back_door
2: back_glass
3: back_left_door
4: back_left_light
5: back_light
6: back_right_door
7: back_right_light
8: front_bumper
9: front_door
10: front_glass
11: front_left_door
12: front_left_light
13: front_light
14: front_right_door
15: front_right_light
16: hood
17: left_mirror
18: object
19: right_mirror
20: tailgate
21: trunk
22: wheel
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zipLink to this section使用方法#
Carparts SegmentationデータセットでUltralytics YOLO26モデルを100エポック、画像サイズ640でトレーニングするには、以下のコードスニペットを使用してください。利用可能な引数の包括的なリストについてはモデルトレーニングガイドを参照し、ベストプラクティスについてはモデルトレーニングのヒントをご覧ください。
from ultralytics import YOLO
# Load a pretrained segmentation model like YOLO26n-seg
model = YOLO("yolo26n-seg.pt") # load a pretrained model (recommended for training)
# Train the model on the Carparts Segmentation dataset
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)
# After training, you can validate the model's performance on the validation set
results = model.val()
# Or perform prediction on new images or videos
results = model.predict("path/to/your/image.jpg")Link to this sectionサンプルデータとアノテーション#
Carparts Segmentationデータセットには、様々な視点から撮影された多種多様な画像と動画が含まれています。以下に、データとその対応するアノテーションを示す例を挙げます：
- この画像は、自動車の画像サンプル内でのオブジェクトセグメンテーションを示しています。マスク付きのバウンディングボックスが、特定された自動車部品（ヘッドライト、グリルなど）を強調しています。
- このデータセットは、さまざまな条件（場所、照明、オブジェクト密度）下で撮影された多様な画像を備えており、堅牢な自動車部品セグメンテーションモデルをトレーニングするための包括的なリソースを提供します。
- この例は、データセットの複雑さと、コンピュータービジョンタスク、特に自動車部品分析のような専門的なドメインにおける高品質データの重要性を強調しています。データ拡張のようなテクニックは、モデルの汎用性をさらに高めることができます。
Link to this section引用と謝辞#
Carparts Segmentationデータセットを研究や開発の取り組みで使用する場合は、元のソースを引用してください：
@misc{ car-seg-un1pm_dataset,
title = { car-seg Dataset },
type = { Open Source Dataset },
author = { Gianmarco Russo },
url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
year = { 2023 },
month = { nov },
note = { visited on 2024-01-24 },
}コンピュータービジョンコミュニティのためにこの貴重なデータセットを作成し維持してくれたGianmarco Russo氏とRoboflowチームの貢献に感謝します。その他のデータセットについては、Ultralyticsデータセットコレクションをご覧ください。
Link to this sectionよくある質問 (FAQ)#
Link to this sectionCarparts Segmentation Datasetとは何ですか？#
Carparts Segmentation Datasetは、自動車部品のセグメンテーションを実行するためのコンピュータービジョンモデルをトレーニングするための、特化した画像および動画のコレクションです。詳細なアノテーションが施された多様なビジュアルが含まれており、自動車AIアプリケーションに適しています。
Link to this sectionCarparts Segmentation DatasetをUltralytics YOLO26でどのように使用できますか？#
このデータセットを使用してUltralytics YOLO26セグメンテーションモデルをトレーニングできます。事前トレーニング済みモデル（例: yolo26n-seg.pt）を読み込み、提供されているPythonまたはCLIの例を使用してトレーニングを開始し、carparts-seg.yaml構成ファイルを参照してください。詳細な手順についてはトレーニングガイドを確認してください。
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-seg.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)Link to this sectionCarparts Segmentationの応用例にはどのようなものがありますか？#
Carparts Segmentationは以下に役立ちます：
- 自動車品質管理: 部品が基準を満たしていることを保証する（AI in Manufacturing）。
- 自動車修理: 整備が必要な部品の特定。
- Eコマース: 部品のオンラインカタログ作成。
- 自動運転車: 車両の認識機能の向上（AI in Automotive）。
- 保険: 車両損傷の自動評価。
- リサイクル: 部品の効率的な分類。
Link to this sectionCarparts Segmentationのデータセット構成ファイルはどこで見つけられますか？#
データセットのパスとクラスに関する詳細を含むデータセット構成ファイルcarparts-seg.yamlは、Ultralytics GitHubリポジトリにあります：carparts-seg.yaml。
Link to this sectionなぜCarparts Segmentation Datasetを使用すべきなのですか？#
このデータセットは、自動車アプリケーション向けの正確なセグメンテーションモデルを開発するために不可欠な、豊富なアノテーション付きデータを提供します。その多様性は、自動車両検査、安全システムの強化、自動運転技術のサポートといった現実世界のシナリオにおけるモデルの堅牢性と性能の向上に役立ちます。このような高品質でドメイン特化型のデータセットを使用することで、AI開発が加速します。